عملاء الذكاء الاصطناعي وAgentic AI

عندما يستطيع نموذج اللغة، بدلًا من مجرد "الإجابة"، اتخاذ القرارات واستدعاء الأدوات والتفاعل مع النتيجة، نُطلق عليه اسم عميل ذكي (Agent). توضّح هذه الصفحة مكوّنات العميل وحلقة عمله.

ما هو عميل الذكاء الاصطناعي؟

عميل الذكاء الاصطناعي هو نظام يستخدم نموذج لغة كـ"عقل صانع للقرار"، لكن بخلاف روبوت المحادثة البسيط، يمكنه: إدراك بيئته المحيطة، وتقسيم الهدف إلى خطوات أصغر، واستدعاء أداة (Tool)، ورؤية النتيجة، وتحديد المسار التالي بناءً عليها — كل ذلك دون تدخل بشري في كل خطوة. تُسمّى هذه القدرة Agentic AI.

الفرق بين العميل الذكي و LLM بسيط

Agentic AI مقابل AI Agent

غالبًا ما يُستخدم هذان المصطلحان بالتبادل، لكن أحدهما اسم لشيء محدد والآخر اسم لنهج/طيف.

• AI Agent (عميل الذكاء الاصطناعي) يشير إلى نموذج محدد وقابل للتشغيل: نظام واحد يجمع بين نموذج اللغة والأدوات والذاكرة ومنطق اتخاذ القرار لمتابعة هدف بشكل مستقل. عندما تقول "بنيت عميلًا يتتبّع الطلبات"، فأنت تقصد هذا النموذج المحدد بالذات.
• Agentic AI مصطلح أوسع يصف نموذجًا معماريًا، وليس حالة محددة. يُظهر إلى أي مدى يمتلك نظام الذكاء الاصطناعي "الفاعلية" (Agency) — أي إلى أي مدى يمكنه التخطيط واتخاذ القرار وتغيير مسار التنفيذ من تلقاء نفسه دون تدخل بشري. يمكن أن يشمل Agentic AI عميلًا واحدًا أو عدة عملاء منسّقين (نظام متعدد العملاء)؛ والمعيار الأساسي هو درجة استقلالية النظام، لا عدد العملاء.

طيف الاستقلالية: من استدعاء بسيط إلى Agentic AI كامل

كلما نزلنا في الجدول أدناه، انتقل التحكم في مسار التنفيذ أكثر من المطوّر إلى النموذج نفسه:

لماذا يهم هذا الفرق؟

عندما تصف منتجًا بأنه "Agentic"، فأنت تدّعي أن النظام بأكمله يتخذ قرارات بدرجة عالية من الاستقلالية — وليس مجرد عميل واحد بعدة أدوات. على سبيل المثال، معمارية "التجارة الوكيلية" التي تقوم عليها OpenCommerce هي بالضبط نظام Agentic AI: عدة عملاء (المشتري، البائع، اللوجستيات) يقرر كلٌّ منهم بشكل مستقل ويتنسّقون فيما بينهم عبر بروتوكولات مثل A2A — لا مجرد عميل واحد بعدد أكبر من الأدوات.

المكوّنات الأساسية للعميل

• النموذج اللغوي الأساسي (Core LLM) — محرّك الاستدلال واتخاذ القرار
• الأدوات (Tools) — الدوال التي يمكن للعميل استدعاؤها (بحث، واجهة برمجية، حساب)؛ وهذا بالضبط ما يُوحّده MCP
• الذاكرة (Memory) — الاحتفاظ بحالة قصيرة أو طويلة المدى؛ التفاصيل في أنظمة ذاكرة العميل
• المخطِّط (Planner) — المنطق الذي يقسّم الهدف الكبير إلى خطوات أصغر

حلقة الاستدلال-الفعل-الملاحظة (ReAct)

من أكثر أنماط تنفيذ العميل شيوعًا نمط ReAct (Reason + Act): يستدلّ العميل حول الخطوة التالية، وينفّذ إجراءً (مثل استدعاء أداة)، ويلاحظ النتيجة، ويكرّر هذه الحلقة حتى الوصول إلى الهدف.

أنماط معمارية العميل الشائعة

• ReAct — استدلال وفعل بخطوات متبادلة (موضّح أعلاه)
• Plan-and-Execute — تُصمَّم الخطة الكاملة مسبقًا، ثم تُنفَّذ خطوة بخطوة
• Reflexion — ينتقد العميل نتيجة عمله الخاص ويصحّحها في المحاولة التالية

عندما لا يكفي عميل واحد، راجع الأنظمة متعددة العملاء.

مثال كود: حلقة عميل بسيطة

def run_agent(goal, tools, llm, max_steps=5):
    history = []
    for step in range(max_steps):
        thought = llm.reason(goal, history)
        if thought.is_final_answer:
            return thought.answer

        action = thought.next_action           # مثال: check_inventory(sku="123")
        result = tools[action.name](**action.args)
        history.append((thought, action, result))

    return "لم يتم التوصل إلى نتيجة؛ يلزم تدخل بشري"

المخاطر والضوابط (Guardrails)

• الحلقات اللانهائية — ضع دائمًا حدًّا أقصى لعدد الخطوات (max_steps)
• الوصول المفرط للأدوات — عرّف كل أداة بأقل صلاحية وصول ممكنة (مبدأ MCP)
• الإجراءات غير القابلة للتراجع — بالنسبة للعمليات الحساسة (مثل الدفع)، أضِف تأكيدًا صريحًا أو حدًّا للمبلغ

الأسئلة الشائعة